"学的越晚，学的越少。"这条评论在B站UP主YZ_金鱼的《MiniMax H3终极篇》下面拿了106个赞。底下有人接：“早学苦用功，晚学全自动”，“学慢了就不用学了，因为更好的已经出来了”。哔哩哔哩
看上去是玩梗，实际上是一周多以来AIGC视频圈最真实的集体情绪：10月13日到20日，B站MiniMax H3相关的投稿几乎一天一屏——6G显存三采工作流、16G显存挂机一晚上、导演台V8、零训练RefMod、一张图360°环绕LoRA、Intel量化、3.85倍加速插件。金鱼的"终极篇"拿到3224赞、5675收藏、7.2万播放，评论区1091条。海螺H3这波本地生态，正在把"不用按秒交钱"的叙事推向每一个还在给云端抽卡付账的人。
先把事实底盘摆正：H3不是新模型。7月31日发布、8月3日稀宇科技正式开源权重，官方口径是"通用型全模态生成系统"——统一理解文本、图像、视频、音频，一次前向同时产出画面、音效和语音，生成最高2K分辨率、最长15秒、带原生立体声的视频。新浪微博知乎
开源当天ComfyUI就能用，DesignArena多图生视频榜上它Elo 1355，是榜单内最强开源视频模型（第一名是Seedance 2.5，1400）。新浪微博
8月初博主动过真格：在LibTV上用同一套提示词和角色图、UI图、完整界面图三张素材，让H3和Seedance 2.0各生成一段游戏UI动效，发帖人的结论是"H3的表现甚至盖过了Seedance 2.0"。 8月29日起，通过Comfy还能拿到H3本地商用授权，生成内容归使用者所有、支持微调和LoRA训练。新浪微博新浪微博
真正在10月中旬引爆的，是两周之内被补齐的那批"能用"缺口：10月15日，阿里AIGC团队开源TaoMate-H3-FL2VA，社区很快把它转成3步加速LoRA。DMAD那边把H3蒸馏到4步，作者还在评论区亲自认领：“感谢大佬推广我们的加速LoRA”。知乎哔哩哔哩
Intel下场做了量化，体积砍29%、画质几乎无损。RunningHub线上工作流10月19日更新v1版，作者自测：“基本不损质量，速度再提近一倍”。哔哩哔哩哔哩哔哩
换句话说：8月的问题是"能跑但难用"，10月的兴奋是"好像真的可以用了"。兴奋是真的，但"本地=创作自由"这笔账，得拆成三本来对。
第一本账：显存、硬盘和流量——"能跑"的门槛不是显卡名
一位用RTX 5070 Laptop（8G显存+32G内存）跑通全流程的知乎作者写得很诚实：H3是330亿参数的模型，8G卡跑15秒视频"就是这么慢——这是物理极限不是软件问题"。他的实测数字：5秒一条大约8~10分钟，15秒带日语口型、双语字幕、本地质检的全流程约35分钟，成片736×416、24fps。知乎
下载和存储也在账里：他走ModelScope下载量化权重，84.9GB实测15~26MB/s，一个半小时下完。另一位做MV人物替换的作者（RTX 4090 24GB）核对过Ref2VA流程的五个文件仅权重就约40GB，建议SSD预留100GB。他还画了一张从原版MV到分镜遮罩、逐人替换、原帧驱动嘴形、音轨回封再到导出的六步流程图——本地党的真实工作量就藏在这条流水线里：知乎知乎
还有一个新手最容易踩的坑，来自上面那篇8G实录：别上来就下GGUF。H3的隐藏维度是2688，不能被256整除，GGUF标称Q4实际会退化成Q4_0/Q4_1，画质损失比标称大；官方推荐能用cu130就选int8_convrot，其次fp8_scaled。知乎
这本账的结论很直接：12G及以下显存，“能跑"和"能用"是两件事。写过双GPU对比测试的知乎作者贴过一张nvidia-smi：同样是ComfyUI里的H3进程，24G卡吃到23470/24564MiB、利用率拉满100%，16G卡上只挂了731MiB、利用率0%——负载全压在能装下的那张卡上。金鱼评论区就有现成的例子：一采0.6二采每一步都要3分钟，5070ti+32g，10秒的视频等了20分钟果断取消了。楼下有人接"我跟你配置一样，10分钟”，同一个工作流、同一个配置，耗时差出一倍，差别全在采数和参数上。哔哩哔哩
第二本账：时间按"分钟"准备，不是按"秒"
云端同样没有"秒出"。一家API网关（apimodels.app，自述利益相关）10月10日~17日对基于H3开放权重的RH Enhanced做了实测：线上768P的中位耗时约5.8分钟，最快不到3分钟、最慢约8.4分钟。官方自测480P 4秒要46~62秒，1080P 4秒要218秒，带6.6秒参考视频的480P请求要346秒。他们给用户的建议原话是：“按分钟准备，不是按秒。” 连10月19日刚把H3接入网页端的云服务商，宣传文案开头打的也是这笔账：“本地显卡跑10秒视频，要等20~40分钟，普通创作者根本扛不住这个试错成本”。知乎新浪微博
所以本地和云端的真实差距不是"快vs慢"，而是时间花在哪：云端是提交任务之后去干别的，5到10分钟后回来验收；本地是你坐在电脑前，显存被卸载机制吃满、内存被占住，32G机器"检测到并发加载必炸"。金鱼那位8G作者的建议代表了本地党的活法：先跑5秒打磨，定稿了再上15秒；"16G显存跑一个下午，都跑冒烟了"的，是还没学会把5秒当草稿的。
第三本账：钱——云端的抽卡税vs本地的电费和卡
云端这半边，我前面已经算过（可灵、价格战那几篇）。H3这边的官方定价同样卷：7月底发布时#MiniMaxH3价格仅为同类三分之一#上过讨论，官方给到的口径是2K每秒0.8元。新浪微博
8月开源活动期间LibTV上768P给到约一毛钱一秒、2K两毛。10月17日的官方价格页上，标准版minimax-h3是768P每秒$0.097、2K每秒$0.145，且参考视频要按它自己的时长以同样单价再收一遍。第三方网关的RH Enhanced把价压到768P每秒$0.07、1080P每秒$0.10，参考图、参考视频、驱动音频都不另收费——768P一条10秒片子$0.70，同条件官方列价要$1.28。新浪微博知乎
本地那半边没有明码标价，但每一笔都存在：显卡折旧、85GB级的下载流量、以及最贵的——你坐在35分钟前面的时间。金鱼的线上工作流12秒从10分钟压到6分钟、加速LoRA一天一个版本，意味着今天为本地买的算力，半衰期可能按周算。
对完三本账，给三种人三个答案：
手里已有12G以上显存的台式机、每月出片量稳定：值得认真试。选官方推荐的int8_convrot路线，从5秒片段开始，把"废片自动筛除"（8G作者用本地4B决策模型逐帧质检）学起来，人只看成片。
只有笔记本、8G以下显存：别为H3装机。用RunningHub、仙宫云、autodl这类按小时租的，或者干脆留在云端按秒计费——“autodl的h3真的很好用”，这是评论区做生日贺片的作者的原话。哔哩哔哩
要2K、要超过15秒、要秒级出片：现在三条路都不成立。原生2K只有官方标准版API有，RH Enhanced最高1080P，本地量化版普遍在736P~1080P之间挣扎。这不是软件问题，等下一波量化和蒸馏。
最后留两个继续盯的信号：TaoMate、DMAD这类加速LoRA是否跟进ComfyUI官方模板库（跟进了才算真"全自动"）——社区已经有人把VDN-H3和FastH3两套工作流并排搭进了ComfyUI，上排走ATTN-H3高级注意力加Fast Kernel，下排8步直出，一个屏幕就能对比出两条加速路线的差别：
另一个信号是MiniMax自家10月19日晚刚发布的M3.1Flash——此前以匿名身份处理了超过200T Token刷屏的"太空兔"，正是它的早期版本。它会不会把开源节奏带到视频模型上。至于"学的越晚学的越少"——这句106个赞的话，反过来读才对：晚学到不用学前摇后晃的工作流，直接用官方6段式Ref2VA提示词和现成整合包。这才是这波里最省学费的姿势。知乎哔哩哔哩
